د مایکروسافټ شرکت
د دې حقیقت سره سره چې د لټون انجنونو کې د ویکتور ذخیره کارولو مفکوره د اوږدې مودې لپاره تیریږي، په عمل کې، د دوی پلي کول د ویکتورونو او د توزیع کولو محدودیتونو سره د عملیاتو د لوړې سرچینې شدت له امله خنډ کیږي. د نږدې نږدې ګاونډي لټون الګوریتمونو سره د ژور ماشین زده کړې میتودونو ترکیب دا ممکنه کړې چې د ویکتور سیسټمونو فعالیت او توزیع وړتیا د لوی لټون انجنونو لپاره د منلو وړ کچې ته ورسوي. د مثال په توګه، په Bing کې، د 150 ملیارد ویکٹرونو څخه د ویکتور شاخص لپاره، د خورا اړونده پایلو د ترلاسه کولو وخت په 8 ms کې دی.
په کتابتون کې د شاخص جوړولو او د ویکتور لټونونو تنظیم کولو لپاره وسایل شامل دي، په بیله بیا د ویشل شوي آنلاین لټون سیسټم ساتلو لپاره د وسایلو سیټ چې د ویکتورونو خورا لوی ټولګه پوښي.
کتابتون پدې معنی دی چې پروسس شوي او په ټولګه کې وړاندې شوي معلومات د اړوندو ویکتورونو په شکل کې فارمیټ شوي چې د دې پراساس پرتله کیدی شي.
په ورته وخت کې، د ویکتور لټون په متن پورې محدود نه دی او د ملټي میډیا معلوماتو او انځورونو، او همدارنګه په سیسټمونو کې د اتوماتیک وړاندیزونو تولید لپاره کارول کیدی شي. د مثال په توګه ، د PyTorch چوکاټ پراساس یو پروټوټایپ په عکسونو کې د شیانو د ورته والي پراساس د لټون لپاره د ویکتور سیسټم پلي کړی ، د څارویو ، پیشوګانو او سپیو عکسونو سره د ډیری حوالې راټولولو ډیټا په کارولو سره رامینځته شوی ، کوم چې د ویکتورونو سیټونو کې بدل شوي. . کله چې یو راتلونکی انځور د لټون لپاره ترلاسه شي، دا د ماشین زده کړې ماډل په کارولو سره په ویکتور بدلیږي، چې پر بنسټ یې ډیری ورته ویکتورونه د SPTAG الګوریتم په کارولو سره د شاخص څخه غوره شوي او اړونده انځورونه د پایلې په توګه بیرته راستانه کیږي.
سرچینه: opennet.ru